一种风火蓄节能减排机组组合的求解方法.pdf

上传人：小**

文档编号：6220526

上传时间：2019-05-22

格式：PDF

页数：16

大小：861.37KB

《一种风火蓄节能减排机组组合的求解方法.pdf》由会员分享，可在线阅读，更多相关《一种风火蓄节能减排机组组合的求解方法.pdf（16页完整版）》请在专利查询网上搜索。

1、(10)申请公布号 CN 103632309 A (43)申请公布日 2014.03.12 CN 103632309 A (21)申请号 201310539056.X (22)申请日 2013.11.05 G06Q 50/06(2012.01) G06N 3/12(2006.01) (71)申请人常州大学地址 213164 江苏省常州市武进区滆湖路 1 号 (72)发明人张晓花朱正伟谢俊刘宏美 (74)专利代理机构南京知识律师事务所 32207 代理人卢亚丽 (54) 发明名称一种风火蓄节能减排机组组合的求解方法 (57) 摘要本发明公开了一种风火蓄节能减排机组组合的求解。

2、方法，采用分解 - 协调思想，将风火蓄电力系统机组组合分解为上下两层优化问题，用拉格朗日松弛法将风火蓄电力系统分解为火电子系统、风电子系统和抽水蓄能子系统，上层通过自适应的拉格朗日乘子来协调各个子系统；下层各个子系统采用自适应的遗传算法进行求解。整个优化过程先根据负荷曲线确定风电子系统的出力、抽水蓄能子系统的出力及其能提供的旋转备用，然后再将所得结果分别传递给火电子系统，各个火电子系统在此基础上并行协调分配，确定其相应的启停序列和最优的出力。本发明可以有效减少风电的弃风、火电机组的调峰耗能和运行成本，进一步提高系统的安全性、鲁棒性与节能减排能力。。

3、 (51)Int.Cl. 权利要求书 2 页说明书 9 页附图 4 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请权利要求书2页说明书9页附图4页 (10)申请公布号 CN 103632309 A CN 103632309 A 1/2 页 2 1. 一种风火蓄节能减排机组组合的求解方法，包含如下步骤：（1）接收电网调度中心得出的系统未来 24 小时负荷需求数据，接收风电场风电出力大小的预测数据，包括预测风电出力大小和风电出力的上下限区间，接收抽水蓄能电站的相关数据，根据各个发电厂上报的机组特性数据得出各个机组的特性约束；（2）根据第一步接收的。

4、数据对风火蓄电力系统节能减排机组组合进行建模，根据运行要求选择目标函数和约束条件，包括等式约束和不等式约束，构成混合整数非线性规划问题；（3）根据上一步产生的混合整数非线性规划问题，得出风火蓄机组组合的节能减排多目标函数和相应约束条件；（4）通过给上一步的节能减排多目标函数赋权重，将多目标问题转化为新的单目标问题，即原问题，并通过权重调节各个目标在节能减排总目标中的重要性；（5）利用优先顺序法根据各机组最小比耗量由小到大排序，确定各时段所对应的满足机组自身约束的初始机组启停序列；初始化拉格朗日乘子和遗传算法种群，即 GA 种群， GA 种群中包。

5、含利用优先顺序法生成的个体，将其作为初始种群的一部分进行进化；（6）通过拉格朗日松弛法将原问题转化为对偶问题，再将风火蓄系统分解为风电子系统、火电子系统和抽水蓄能子系统；（7）下层采用自适应遗传算法求解抽水蓄能子系统、风电子系统和火电子系统：首先根据负荷曲线确定风电子系统的出力、抽水蓄能子系统的出力及其能提供的旋转备用；然后再将所得结果分别传递给火电子系统；上层通过优化拉格朗日乘子在各个子系统在此基础上间并行协调分配，确定其相应的启停序列；采用最优个体保留策略保证 GA 每代的进化结果优于优先顺序法所得的组合结果，保证算法的有效性与收敛性；。

6、（8）步骤（1）至步骤（7）的求解过程构成自适应协同进化算法和串并行的风火蓄机组组合求解方法；在上述步骤的基础上，求解对偶目标函数值和原问题的可行解，若得不到原问题的可行解，则需要自适应的拉格朗日乘子；（9）计算节能减排下风火蓄机组组合整体目标函数值，并分析是否满足对偶间隙要求，满足对偶间隙的要求，决策者判断节能与减排的目标值是否满意，若不满意则返回第一步；（10）将满足对偶间隙和决策者对节能减排各目标权重要求的最终结果作为电网机组调度的方案，用以调度发电机组的启停机，提高系统整体运行的安全性和节能减排能力。 2. 根据权利要求 1 所述。

7、的一种风火蓄节能减排机组组合的求解方法，其特征在于：在所述自适应协同进化算法和串并行的风火蓄机组组合求解方法的步骤（2）和（3）中，所述目标函数为系统整体的运行费用最小、 CO2排放和 SO2排放最少的多目标节能减排问题，等式约束为系统负荷平衡约束；不等式约束包括机组最大最小出力约束、机组爬坡约束、最小启停机时间约束、线路潮流约束和节点电压约束。 3. 根据权利要求 1 所述的一种风火蓄节能减排机组组合的求解方法，其特征在于：所述节能减排多目标的协调方法为：首先将每个目标赋予一个权重，再累加为新目标，然后在相同的约束条件下求解；通过不断。

8、改变各目标对应的权重，得到不同满意的解。 4. 根据权利要求 2 所述的一种风火蓄节能减排机组组合的求解方法，其特征在于：给所述节能与减排的目标赋予不同的权重后组成新目标函数，所述新目标函数的所有目标具权利要求书 CN 103632309 A 2 2/2 页 3 有相同的量纲，若量纲不同，必须统一量纲或无量纲化处理；将节能减排多目标函数、 SO2 和 CO2的排放目标这三个目标函数标准化，转化为无量纲的量。 5. 根据权利要求 1 所述的一种风火蓄节能减排机组组合的求解方法，其特征在于：所述自适应协同进化算法采用分解 - 协同思想，用拉格朗日松弛法将复。

9、杂的大系统分解为一系列相互作用的子系统优化问题，每个子系统对应于生态系统中的一个物种，再用具有自适应交叉、变异算子的遗传算法求解子系统优化问题，再采用自适应的拉格朗日乘子更新策略来实现各个子系统的协调。 6. 根据权利要求 1 所述的一种风火蓄节能减排机组组合的求解方法，其特征在于：所述自适应的拉格朗日乘子采用自适应的次梯度更新策略，其拉格朗日乘子优化目标函数对乘子，的次梯度分别为：在迭代的初期，当有功约束和旋转备用不足时，逐步增大拉格朗日乘子的步长，随着迭代的增加，有功和旋转备用过剩时，逐步减小迭代的步长，减少目标函数非凸性引起的振荡现象。 7。

10、. 根据权利要求 1 所述的一种风火蓄节能减排机组组合的求解方法，其特征在于：所述遗传算法采用轮盘赌和最佳个体保留相结合后的遗传算法，轮盘赌选择使适应度高的个体比适应度低的个体具有更高的被选择机会，自适应的交叉、变异算子保证遗传算法的收敛性。 8.根据权利要求1或7所述的一种风火蓄节能减排机组组合的求解方法，其特征在于：所述遗传算法在迭代的前期，交叉概率较大，变异概率较小；在迭代后期，种群中的码链已趋于稳定，减小交叉作用，降低交叉概率，增大变异概率。权利要求书 CN 103632309 A 3 1/9 页 4 一种风火蓄节能减排机组组合的求解。

11、方法技术领域 0001 本发明属于电网发电计划编制和风火蓄机组节能减排运行、分析与调度技术领域，尤其涉及含风电、抽水蓄能等能源的机组组合求解方法。背景技术 0002 电力是关系国计民生的支柱性产业，合理利用发电资源，预先对发电机组的启停和出力进行调度十分必要。近年来随着新能源技术的快速发展，大型风电并网发电已成为世界风能利用的主要形式，有效合理的利用风电是实现电力节能减排的关键。但风电具有随机性和波动性，大量风电并网会增加电力系统控制和调度的难度。抽水蓄能是一种具有启动快、负荷跟踪迅速和快速反应的特殊电源，它既是一个电站也是一个电网管理的工具，是目前电力系统。

12、可靠、经济、寿命周期最长和容量最大的储能装置。在建设资源节约型、环境友好型的大环境下，抽水蓄能是目前实现大容量储能的主要途径，是电力工业节能、安全运行及可持续发展不可或缺的组成部分，是提供优质电力的最佳保障。 0003 机组组合问题是一个包含整数和连续变量的高维、离散、非凸的混合整数非线性优化问题，包括确定机组启停序列和负荷在机组间的经济分配，其评价标准和具体优化模型一直在不断的发展变化。理论上只有枚举法才能找到最优解，但随着机组数量的增加，会出现组合爆炸问题，从而使得计算时间太长而无法达到实用化。然而由于机组组合可以获得显著的经济及社会效益，所以人。

13、们一直在努力探索，以期在满足工程需要的情况下找到机组组合的较优解。电力系统机组组合包含了 2 个性质不同但密切联系的问题：一是针对各个具体系统的特点和要求，建立合适的调度模型；二是针对具体模型研究设计有效的求解算法。 0004 电力系统机组组合通常被视为一个二层规划问题：下层为离散变量，主要处理机组的开、停机状态，上层为连续变量，主要处理机组的出力分配。由于机组组合是一个高维、非凸的混合整数规划问题，因此许多适用于此类问题的优化算法都能用于机组组合的求解。机组出力分配算法的优劣对机组组合整体求解效果影响较小，因此目前的研究主要集中在机组开、停机状态。

14、的求解。 0005 除穷举法外，目前求解机组组合的方法主要有： 1. 启发式算法。求解简单迅速，已经在实际运行中得到广泛应用。但得到的解往往比较粗糙，在理论研究中可为其它算法提供求解的初值。 0006 2. 数学类优化算法。这类算法把机组组合问题用数字方程描述出来，然后用解析方法求其最优解，包括混合整数规划法、动态规划法、分支定界法、拉格朗日松弛法和内点法。其中拉格朗日松弛法是研究最活跃的方法之一。拉格朗日松弛法有着成熟理论基础，使用拉格朗日松弛法可以降低维数，简化问题的求解，为构造混合算法提供了一个很好的框架。拉格朗日松弛法适合解决大系统优化问题，由于电力系。

15、统机组组合问题具有该算法所要求的特点，使得该算法得到十分广泛的应用。随着机组数的增加，计算量呈近似线性增长，克服了维数障碍，且机组数目越多，计算效果越好，方法灵活，其相关乘子具有实际的物说明书 CN 103632309 A 4 2/9 页 5 理（经济）意义。但拉格朗日松弛法对乘子的敏感度较高，求解非凸性问题时容易出现收敛振荡现象，需要采取措施加快收敛。 0007 3.智能类优化算法。包括专家系统方法、神经网络法、模拟退火、蚁群算法、粒子群算法、免疫算法、禁忌搜索、模糊优化算法和遗传算法等。在智能类优化算法求解机组组合问题时，遗传算法显。

16、示出巨大的优势，能够根据具体问题灵活应用，鲁棒性好，对目标函数没有特殊的要求，可以考虑多个约束，能自动获取和积累有关搜索空间的知识，并自适应地控制搜索过程，从而得到全局最优解或准最优解。总体而言，智能类优化算法不能完全保证解的最优性，存在局部最优现象，同时各种智能算法所涉及到的参数是影响其性能的关键因素，如何合理有效的调整算法所用的参数是亟待解决的关键问题。 0008 4. 混合优化算法。混合优化算法是从结构或操作上有机结合上述各算法的优点，构造出更高效的算法。鉴于机组组合这一问题的复杂性及考虑的约束众多，有时难以采用某一种优化方法进行求解，针对所建立的。

17、模型的具体特点，在一定的算法框架下采用不同的优化算法进行求解，最终形成混合优化算法。近年来混合优化算法越来越受到关注，成为主要研究内容之一。混合优化算法的思路大致分为两种，一种是基于拉格朗日松弛法的框架，对分解后的子问题采用不同的优化算法进行求解，再在该算法框架下对子问题的结果进行协调，最终得到最优解或满意解；另一种是从优化算法本身出发形成混合应用，如粒子群算法、遗传算法、神经网络、免疫技术以及模糊技术等的应用。 0009 各种算法都有自身的不足，如何吸收各种算法的优点，扬长避短，在收敛性、计算速度与解的质量上得到更好的权衡，构造和发展更为强大。

18、的高效混合优化算法是值得研究的问题。 0010 总体而言，机组组合问题的模型在不断演变与发展，需要处理的约束越来越多，研究体现节能减排社会实际需求的机组组合模型十分必要；针对目前多数优化算法不能很好地满足越来越复杂多变的机组组合问题的求解要求，且随着系统的规模不断增大，容易出现维数灾、存在计算速度慢和鲁棒性差等问题，需要进一步研究探讨有效求解机组组合问题的算法。发明内容 0011 本发明的目的在于针对现有求解方法的不足，提供一种求解考虑风电的随机性和波动性、抽水蓄能的快速调节特性的求解方法，并结合串并行求解策略和多目标的转换方法，本发明能有效减少风电的。

19、弃风、火电机组的调峰耗能和运行成本，进一步提高系统的安全性、鲁棒性与节能减排能力。 0012 本发明是通过以下的技术方案来实现：一种基于自适应协同进化算法和串并行结合的风火蓄机组组合求解方法，包括如下步骤：（1）接收电网调度中心得出的系统未来 24 小时负荷需求数据，接收风电场风电出力大小的预测数据，包括预测风电出力大小和风电出力的上下限区间，接收抽水蓄能电站的相关数据，根据各个发电厂上报的机组特性数据得出各个机组的特性约束。 0013 （2）根据第一步接收的数据对风火蓄电力系统节能减排机组组合进行建模，根据运行要求选择目标函数和约束条件，包括等式约束。

20、和不等式约束，构成混合整数非线性规划问题；说明书 CN 103632309 A 5 3/9 页 6 （3）根据上一步产生的混合整数非线性规划问题，得出风火蓄机组组合的节能减排多目标函数和相应约束条件。 0014 （4）将上一步的节能减排多目标通过给各个目标赋权重，将多目标问题转化为新的单目标问题（原问题），并通过权重调节各个目标在节能减排总目标中的重要性。 0015 （5）利用优先顺序法根据各机组最小比耗量由小到大排序，确定各时段所对应的满足机组自身约束的初始机组启停序列。初始化拉格朗日乘子和遗传算法（GA）种群， GA 种群中包含利用优先顺序法生成的。

21、个体。将其作为初始种群的一部分进行进化。 0016 （6）通过拉格朗日松弛法将原问题转化为对偶问题，再将风火蓄系统分解为风电子系统、火电子系统和抽水蓄能子系统。 0017 （7）下层采用自适应 GA 求解抽水蓄能、风电和火电子系统。首先根据负荷曲线确定风电子系统的出力、抽水蓄能子系统的出力及其能提供的旋转备用，然后再将所得结果分别传递给火电子系统。上层通过优化拉格朗日乘子在各个子系统在此基础上间并行协调分配，确定其相应的启停序列。采用最优个体保留策略能保证 GA 每代的进化结果优于优先顺序法所得的组合结果，保证算法的有效性与收敛性，上述求解过程构成自适应协同进化。

22、算法和串并行的求解策略。 0018 （8）在上述步骤的基础上，求解对偶目标函数值和原问题的可行解，若得不到原问题的可行解，则需要自适应的更新拉格朗日乘子，拉格朗日乘子的更新至关重要。 0019 （9）计算节能减排下风火蓄机组组合整体目标函数值，并分析是否满足对偶间隙要求，满足对偶间隙的要求，决策者判断节能与减排的目标值是否满意，若不满意则返回第一步；（10）将满足对偶间隙和决策者对节能减排各目标权重要求的最终结果作为电网机组调度的方案，用以调度发电机组的启停机，以提高系统整体运行的安全性和节能减排能力。 0020 本发明的有益效果是：有效抑制了可行解。

23、的振荡现象，并且能很好的协调系统的节能与减排目标，提高了风电的利用率，弥补风电随机性、波动性的不足，能有效的提高系统的经济性、环保性和调度的灵活性。利用抽水蓄能的快速调节特性，形成抽水蓄能消峰填谷的静态作用、提供旋转备用的动态作用和环境保护的平衡，通过协调节能减排各目标的权重，达到节能减排之间的平衡，提高系统的社会综合效益。附图说明 0021 图 1 是分解 - 协调理论的两级递阶协调结构图；图 2 是自适应协同进化算法框架图；图 3 是风火蓄机组组合的综合协同作用示意图；图 4 是风火蓄系统联合运行示意图；图 5 是本发明的流程图；图 6。

24、是 24 小时风电预测输出数据图。具体实施方式 0022 下面详细描述本发明的实施例，所述的实施例的示例在附图中示出，其中至始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考说明书 CN 103632309 A 6 4/9 页 7 附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为本发明的限制。 0023 从京都议定书到 “巴厘岛路线图” ，再到哥本哈根协议，都强调建设环境友好、能源可持续的绿色社会，节能减排受到全社会的广泛关注。与传统的发电调度方式相比，以节能减排为目标的发电调度强调在考虑环境保护目标的情况。

25、下尽可能实现节约能源的目标，是当前我国电力调度的发展趋势。我国煤炭消费占一次能源消费的 70% 左右，以煤炭为主的一次能源结构致使煤电机组在电力系统中占很大比例，其一次能源消耗巨大，燃煤发电主要产生大量 SO2和 CO2等污染气体，致使电力的环保压力巨大。 0024 为减少温室气体排放，实现节能减排的发电调度是必然要求，需要建立计及减排的多目标风火蓄机组组合模型，综合考虑系统运行成本、 SO2和 CO2减排、多个目标。 0025 (1) (2) (3) 需要检验的约束条。

26、件：系统有功功率平衡约束 (4) 式中：为抽水蓄能电站时段的功率，为抽水蓄能机组的个数，为时段第个抽水蓄能机组的功率，抽水时功率为负，；发电时功率为正，，静止时功率为 0 ；为水库时段的净水头，、分别为时段第个抽水蓄能机组的抽水引用流量（负值）与发电（正值）引用流量，、为抽水、发电效率。为风电时段的功率，为第个火电机组时段的功率，为时段系统的负荷。 0026 系统旋转备用约束 (4) 同样假设风力机组不提供备用，风火蓄系统所需的旋转备用由火电机组及抽水蓄能共同提供。 0027 机组出力上下限约束 (5) 抽水工况 (6) 说明书 CN。

27、 103632309 A 7 5/9 页 8 发电工况 (7) 火电机组最大最小出力约束 (8) 火电机组爬坡约束机组升出力时 (9) 机组降出力时 (10) 火电机组最小开停机时间约束 (11) 式中：、为火电机组的最大、最小出力；为时段系统旋转备用容量；和分别为机组有功功率上升量和下降量的限值；为机组到时段连续运行 (为正值 ) 或连续停机 (为负值 ) 的时段数；、分别为机组最小运行时间与最小停机时间。 0028 与将这三个量纲和数量级不同的目标函数标准化，形成无量纲的量，结果如下： (12) (13) (14) 式中为一次能源消耗成本的理想值，。

28、分别为以SO2、 CO2排放量最小的目标值。 0029 将上述三个无量纲化的目标进行加权求和，得到转化后节能减排下风火蓄机组组合模型： (15) (16) 采用自适应协同进化算法和串并行求解策略求解节能减排下风火蓄机组组合的目标，采用自适应 GA 求解各子系统，自适应的调整遗传算子达到子系统最优，自适应的调整拉格朗日乘子来协调各子系统与大系统。 0030 首先引入一组拉格朗日乘子，，构成 (15) 式的拉格朗日增广函数：说明书 CN 103632309 A 8 6/9 页 9 (17) 运用对偶定理分解式 (17)，得到原对偶两层优化问题，下层火电机组的子问题。

29、优化目标如下： (18) 风电子系统的目标函数为： (19) 抽水蓄能子系统的目标函数为： (20) 上层问题为优化拉格朗日乘子，其目标函数可表示为： (21) 式中：为火电机组的最优解，为抽水蓄能子系统的最优解，为风电子系统的最优解。 0031 对乘子，的次梯度分别为： (22) (23) 相应的次梯度的范数为： (24) (25) 拉格朗日乘子的自适应更新公式为： (26) (27) 式中为迭代次数，为步长，其值可以计算经验确定，本文采用如下公式： (28) 式中和的取值依据启发式的方法确定。说明书 CN 103632309 A 9 7/9 页 10。

30、 0032 1) 且:，均更新，取=0.02, =0.05。 0033 2) 且:，均更新，取=0.005。 0034 3) 且: 只更新，取=0.02, =0.05。 0035 实际上，，这两个乘子的更新必须朝着同一方向。在时段，当与同号 ( 同为正号或负号 ) 时，与按式 (26)(27) 同时更新 ( 同时增大或减小 )。因此当且时即系统的有功功率与旋转备用均不足时，同时增大，的值；当且时，旋转备用不足，需要更多机组满足旋转备用要求。的更新将减小旋转备用的值，此时不更新，只更新的值。的初值为基于优先顺序法的各个时刻系统有功的边际费用的一半，由。

31、于初始情况下旋转备用很难考虑，因此初值取为 0。 0036 节能减排下风火蓄机组组合的社会综合效益评价模型为： (29) 式中：为电力系统节能减排下机组组合的社会综合成本，社会综合成本的节约等价为社会综合效益的增加，社会综合成本低其相应的社会综合效益就大；是环境污染的惩罚成本，环境污染的惩罚成本是企业为了等值补偿污染物造成的 “污染经济损失” 所付出的代价。环境污染的惩罚成本可表示为，其中为因排放污染物SO2所受的罚款，为因排放污染物 CO2所受的罚款，本文选、的处罚标准均为 300 美元 /t。 0037 现以含有 1 个风电场和 10 台火电机组，火电机组。

32、及日负荷数据采用 10 机 24 时段的数据，以某一具有日调节性能的抽水蓄能电站为例，该抽水蓄能电站上水库最大库容对应的可发电量为 500MWh，最小库容对应的可发电量为 0MWh，抽水容量为 150MW，发电容量为 155MW。其下水库库容相对较大，发电过程中下水库水位变化很小，因此可忽略其库容约束；上下水库之间的发电水头较大，发电过程中引起的水头变化相对于总水头来说相对较小，可忽略不计。 0038 在发电工况下抽水蓄能电站提供的旋转备用容量为其发电容量的 0.4 倍，火电机组及日负荷数据见附录。风火蓄机组组合日电量为 27100MWh 时，具体数据描述见附。

33、录。假设风电场含有并联运行的 120 台同型号异步风力机组，额定总有功 240MW，三个优化子目标分别为=538447$，=77.27t，=136t。研究周期内预测的风电场各时段平均输出功率见图 6。 0039 风火蓄机组组合的优化结果及其效益如表 1 和附表 1、 2 所示，其中多目标中各目标权重为（0.4， 0.3， 0.3）。 0040 表 1 风火蓄机组组合的优化结果及其效益目标F/$Es/tEc/tS/$ 一次能源消耗成本最小494502.22671.304 146.476559836.100 SO2排放量最小498695.83870.904 153.177565。

34、920 CO2排放量最小502058.08072.154 133.144563647.500 多目标496899.34571.004 136.463559139.415 附表 1 10 机系统各机组的运行参数及污染气体排放参数说明书 CN 103632309 A 10 8/9 页 11 机组12345678910 (MW/h) 1301306060904040404040 (MW/h)1301306060904040404040 初始有功（MW）40040000000000 a（$/h）1000970700680450370480660665670 b（$/MWh）16.1917.26。

35、16.616.519.722.2627.7425.9227.2727.79 c（$/MW2h）0.000480.000310.0020.002110.003980.007120.000790.004130.002220.00173 最小开机时间（t）8855633111 最小关机时间（t）8855633111 初始状态（t）88-5-5-6-3-3-1-1-1 热启动成本（$）45005000550560900170260303030 冷启动成本（$）900010000110011201800340520606060 冷启动时间（t）5544422000 （MW） 45545513。

36、01301628085555555 （MW） 1501502020252025101010 （kg/h） 198.33195.34155.15 152.26152.26101.43111.87126.62134.15142.26 （kg/MWh） 2.062.092.142.252.113.452.625.185.385.40 （kg/MW2h） 0.000190.000180.0022 0.00220.00210.00250.00220.00420.00540.0055 （kg/h） 130132137.70 130125110135157160137.70 （kg/MWh） -2.86-2。

37、.72-2.94-2.35-2.36-2.28-2.36-1.29-1.14-2.14 （kg/MW2h） 0.0220.020.0440.0580.0650.080.0750.0820.090.084 附表 2 10 机系统负荷参数小时负荷 (MW)小时负荷 (MW) 1700131400 2750141300 3850151200 4950161050 说明书 CN 103632309 A 11 9/9 页 12 51000171000 61100181100 71150191200 81200201400 91300211300 101400221100 11145023900。

38、 12150024800 需要说明的是，流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方案的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。 0041 综上所述，本发明旨在提供一种基于自适应协同进化算法和的串并行结合的调度策略来求解风火蓄机组组合问题，兼顾了系统的节能减排发电调度与风火蓄机组的实际运行要求，有效利用抽水蓄。

39、能的快速调节特性，形成抽水蓄能消峰填谷的静态作用、提供旋转备用的动态作用和环境保护作用的平衡。通过抽水蓄能与火电的协同，弥补了风电随机性和波动性的不足，降低风火蓄电力系统的运行成本和气体排放量。本发明以系统的节能减排为优化目标，将自适应协同进化算法和串并行调度策略结合，包括下列步骤：采用分解 - 协调思想，将风火蓄电力系统机组组合分解为上下两层优化问题，用拉格朗日松弛法将风火蓄电力系统分解为火电子系统、风电子系统和抽水蓄能子系统，上层通过自适应的拉格朗日乘子来协调各个子系统，使其满足系统约束；下层各个子系统采用自适应的遗传算法进行求解，使得各个子系。

40、统满足相应的约束条件。各个子系统求解的过程既相对独立，又通过拉格朗日乘子得到协调，是一个协同进化的过程。整个优化过程是先根据负荷曲线确定风电子系统的出力、抽水蓄能子系统的出力及其能提供的旋转备用，然后再将所得结果分别传递给火电子系统，各个火电子系统在此基础上并行协调分配，确定其相应的启停序列和最优的出力，即为串并行结合求解策略。采用本发明的方法可以有效减少风电的弃风、火电机组的调峰耗能和运行成本，进一步提高系统的安全性、鲁棒性与节能减排能力。 0042 以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，。

41、上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。说明书 CN 103632309 A 12 1/4 页 13 图 1 图 2 说明书附图 CN 103632309 A 13 2/4 页 14 图 3 图 4 说明书附图 CN 103632309 A 14 3/4 页 15 图 5 说明书附图 CN 103632309 A 15 4/4 页 16 图 6 说明书附图 CN 103632309 A 16 。

摘要
申请专利号：	CN201310539056.X	申请日：	2013.11.05
公开号：	CN103632309A	公开日：	2014.03.12
当前法律状态：	驳回	有效性：	无权
法律详情：	发明专利申请公布后的驳回IPC(主分类):G06Q 50/06申请公布日:20140312\|\|\|实质审查的生效IPC(主分类):G06Q 50/06申请日:20131105\|\|\|公开
IPC分类号：	G06Q50/06(2012.01)I; G06N3/12	主分类号：	G06Q50/06
申请人：	常州大学
发明人：	张晓花; 朱正伟; 谢俊; 刘宏美
地址：	213164 江苏省常州市武进区滆湖路1号
优先权：
专利代理机构：	南京知识律师事务所 32207	代理人：	卢亚丽
PDF完整版下载：	PDF下载

内容摘要

本发明公开了一种风火蓄节能减排机组组合的求解方法，采用分解-协调思想，将风火蓄电力系统机组组合分解为上下两层优化问题，用拉格朗日松弛法将风火蓄电力系统分解为火电子系统、风电子系统和抽水蓄能子系统，上层通过自适应的拉格朗日乘子来协调各个子系统；下层各个子系统采用自适应的遗传算法进行求解。整个优化过程先根据负荷曲线确定风电子系统的出力、抽水蓄能子系统的出力及其能提供的旋转备用，然后再将所得结果分别传递给火电子系统，各个火电子系统在此基础上并行协调分配，确定其相应的启停序列和最优的出力。本发明可以有效减少风电的弃风、火电机组的调峰耗能和运行成本，进一步提高系统的安全性、鲁棒性与节能减排能力。

权利要求书

权利要求书
1.  一种风火蓄节能减排机组组合的求解方法，包含如下步骤：
（1）接收电网调度中心得出的系统未来24小时负荷需求数据，接收风电场风电出力大小的预测数据，包括预测风电出力大小和风电出力的上下限区间，接收抽水蓄能电站的相关数据，根据各个发电厂上报的机组特性数据得出各个机组的特性约束；
（2）根据第一步接收的数据对风火蓄电力系统节能减排机组组合进行建模，根据运行要求选择目标函数和约束条件，包括等式约束和不等式约束，构成混合整数非线性规划问题；
（3）根据上一步产生的混合整数非线性规划问题，得出风火蓄机组组合的节能减排多目标函数和相应约束条件；
（4）通过给上一步的节能减排多目标函数赋权重，将多目标问题转化为新的单目标问题，即原问题，并通过权重调节各个目标在节能减排总目标中的重要性；
（5）利用优先顺序法根据各机组最小比耗量由小到大排序，确定各时段所对应的满足机组自身约束的初始机组启停序列；初始化拉格朗日乘子和遗传算法种群，即GA种群，GA种群中包含利用优先顺序法生成的个体，将其作为初始种群的一部分进行进化；
（6）通过拉格朗日松弛法将原问题转化为对偶问题，再将风火蓄系统分解为风电子系统、火电子系统和抽水蓄能子系统；
（7）下层采用自适应遗传算法求解抽水蓄能子系统、风电子系统和火电子系统：首先根据负荷曲线确定风电子系统的出力、抽水蓄能子系统的出力及其能提供的旋转备用；然后再将所得结果分别传递给火电子系统；上层通过优化拉格朗日乘子在各个子系统在此基础上间并行协调分配，确定其相应的启停序列；采用最优个体保留策略保证GA每代的进化结果优于优先顺序法所得的组合结果，保证算法的有效性与收敛性；
（8）步骤（1）至步骤（7）的求解过程构成自适应协同进化算法和串并行的风火蓄机组组合求解方法；在上述步骤的基础上，求解对偶目标函数值和原问题的可行解，若得不到原问题的可行解，则需要自适应的拉格朗日乘子；
（9）计算节能减排下风火蓄机组组合整体目标函数值，并分析是否满足对偶间隙要求，满足对偶间隙的要求，决策者判断节能与减排的目标值是否满意，若不满意则返回第一步；
（10）将满足对偶间隙和决策者对节能减排各目标权重要求的最终结果作为电网机组调度的方案，用以调度发电机组的启停机，提高系统整体运行的安全性和节能减排能力。

2.  根据权利要求1所述的一种风火蓄节能减排机组组合的求解方法，其特征在于：在所述自适应协同进化算法和串并行的风火蓄机组组合求解方法的步骤（2）和（3）中，所述目标函数为系统整体的运行费用最小、CO2排放和SO2排放最少的多目标节能减排问题，等式约束为系统负荷平衡约束；不等式约束包括机组最大最小出力约束、机组爬坡约束、最小启停机时间约束、线路潮流约束和节点电压约束。

3.  根据权利要求1所述的一种风火蓄节能减排机组组合的求解方法，其特征在于：所述节能减排多目标的协调方法为：首先将每个目标赋予一个权重，再累加为新目标，然后在相同的约束条件下求解；通过不断改变各目标对应的权重，得到不同满意的解。

4.  根据权利要求2所述的一种风火蓄节能减排机组组合的求解方法，其特征在于：给所述节能与减排的目标赋予不同的权重后组成新目标函数，所述新目标函数的所有目标具有相同的量纲，若量纲不同，必须统一量纲或无量纲化处理；将节能减排多目标函数、SO2 和CO2的排放目标这三个目标函数标准化，转化为无量纲的量。

5.  根据权利要求1所述的一种风火蓄节能减排机组组合的求解方法，其特征在于：所述自适应协同进化算法采用分解-协同思想，用拉格朗日松弛法将复杂的大系统分解为一系列相互作用的子系统优化问题，每个子系统对应于生态系统中的一个物种，再用具有自适应交叉、变异算子的遗传算法求解子系统优化问题，再采用自适应的拉格朗日乘子更新策略来实现各个子系统的协调。

6.  根据权利要求1所述的一种风火蓄节能减排机组组合的求解方法，其特征在于：所述自适应的拉格朗日乘子采用自适应的次梯度更新策略，其拉格朗日乘子优化目标函数                                                对乘子，的次梯度分别为：


在迭代的初期，当有功约束和旋转备用不足时，逐步增大拉格朗日乘子的步长，随着迭代的增加，有功和旋转备用过剩时，逐步减小迭代的步长，减少目标函数非凸性引起的振荡现象。

7.  根据权利要求1所述的一种风火蓄节能减排机组组合的求解方法，其特征在于：所述遗传算法采用轮盘赌和最佳个体保留相结合后的遗传算法，轮盘赌选择使适应度高的个体比适应度低的个体具有更高的被选择机会，自适应的交叉、变异算子保证遗传算法的收敛性。

8.  根据权利要求1或7所述的一种风火蓄节能减排机组组合的求解方法，其特征在于：所述遗传算法在迭代的前期，交叉概率较大，变异概率较小；在迭代后期，种群中的码链已趋于稳定，减小交叉作用，降低交叉概率，增大变异概率。

说明书

说明书一种风火蓄节能减排机组组合的求解方法
技术领域
本发明属于电网发电计划编制和风火蓄机组节能减排运行、分析与调度技术领域，尤其涉及含风电、抽水蓄能等能源的机组组合求解方法。
背景技术
电力是关系国计民生的支柱性产业，合理利用发电资源，预先对发电机组的启停和出力进行调度十分必要。近年来随着新能源技术的快速发展，大型风电并网发电已成为世界风能利用的主要形式，有效合理的利用风电是实现电力节能减排的关键。但风电具有随机性和波动性，大量风电并网会增加电力系统控制和调度的难度。抽水蓄能是一种具有启动快、负荷跟踪迅速和快速反应的特殊电源，它既是一个电站也是一个电网管理的工具，是目前电力系统可靠、经济、寿命周期最长和容量最大的储能装置。在建设资源节约型、环境友好型的大环境下，抽水蓄能是目前实现大容量储能的主要途径，是电力工业节能、安全运行及可持续发展不可或缺的组成部分，是提供优质电力的最佳保障。
机组组合问题是一个包含整数和连续变量的高维、离散、非凸的混合整数非线性优化问题，包括确定机组启停序列和负荷在机组间的经济分配，其评价标准和具体优化模型一直在不断的发展变化。理论上只有枚举法才能找到最优解，但随着机组数量的增加，会出现组合爆炸问题，从而使得计算时间太长而无法达到实用化。然而由于机组组合可以获得显著的经济及社会效益，所以人们一直在努力探索，以期在满足工程需要的情况下找到机组组合的较优解。电力系统机组组合包含了2个性质不同但密切联系的问题：一是针对各个具体系统的特点和要求，建立合适的调度模型；二是针对具体模型研究设计有效的求解算法。
电力系统机组组合通常被视为一个二层规划问题：下层为离散变量，主要处理机组的开、停机状态，上层为连续变量，主要处理机组的出力分配。由于机组组合是一个高维、非凸的混合整数规划问题，因此许多适用于此类问题的优化算法都能用于机组组合的求解。机组出力分配算法的优劣对机组组合整体求解效果影响较小，因此目前的研究主要集中在机组开、停机状态的求解。
除穷举法外，目前求解机组组合的方法主要有：
1.       启发式算法。求解简单迅速，已经在实际运行中得到广泛应用。但得到的解往往比较粗糙，在理论研究中可为其它算法提供求解的初值。
2.      数学类优化算法。这类算法把机组组合问题用数字方程描述出来，然后用解析方法求其最优解，包括混合整数规划法、动态规划法、分支定界法、拉格朗日松弛法和内点法。其中拉格朗日松弛法是研究最活跃的方法之一。拉格朗日松弛法有着成熟理论基础，使用拉格朗日松弛法可以降低维数，简化问题的求解，为构造混合算法提供了一个很好的框架。拉格朗日松弛法适合解决大系统优化问题，由于电力系统机组组合问题具有该算法所要求的特点，使得该算法得到十分广泛的应用。随着机组数的增加，计算量呈近似线性增长，克服了维数障碍，且机组数目越多，计算效果越好，方法灵活，其相关乘子具有实际的物理（经济）意义。但拉格朗日松弛法对乘子的敏感度较高，求解非凸性问题时容易出现收敛振荡现象，需要采取措施加快收敛。
3.       智能类优化算法。包括专家系统方法、神经网络法、模拟退火、蚁群算法、粒子群算法、免疫算法、禁忌搜索、模糊优化算法和遗传算法等。在智能类优化算法求解机组组合问题时，遗传算法显示出巨大的优势，能够根据具体问题灵活应用，鲁棒性好，对目标函数没有特殊的要求，可以考虑多个约束，能自动获取和积累有关搜索空间的知识，并自适应地控制搜索过程，从而得到全局最优解或准最优解。总体而言，智能类优化算法不能完全保证解的最优性，存在局部最优现象，同时各种智能算法所涉及到的参数是影响其性能的关键因素，如何合理有效的调整算法所用的参数是亟待解决的关键问题。
4.      混合优化算法。混合优化算法是从结构或操作上有机结合上述各算法的优点，构造出更高效的算法。鉴于机组组合这一问题的复杂性及考虑的约束众多，有时难以采用某一种优化方法进行求解，针对所建立的模型的具体特点，在一定的算法框架下采用不同的优化算法进行求解，最终形成混合优化算法。近年来混合优化算法越来越受到关注，成为主要研究内容之一。混合优化算法的思路大致分为两种，一种是基于拉格朗日松弛法的框架，对分解后的子问题采用不同的优化算法进行求解，再在该算法框架下对子问题的结果进行协调，最终得到最优解或满意解；另一种是从优化算法本身出发形成混合应用，如粒子群算法、遗传算法、神经网络、免疫技术以及模糊技术等的应用。
各种算法都有自身的不足，如何吸收各种算法的优点，扬长避短，在收敛性、计算速度与解的质量上得到更好的权衡，构造和发展更为强大的高效混合优化算法是值得研究的问题。
总体而言，机组组合问题的模型在不断演变与发展，需要处理的约束越来越多，研究体现节能减排社会实际需求的机组组合模型十分必要；针对目前多数优化算法不能很好地满足越来越复杂多变的机组组合问题的求解要求，且随着系统的规模不断增大，容易出现维数灾、存在计算速度慢和鲁棒性差等问题，需要进一步研究探讨有效求解机组组合问题的算法。
发明内容
本发明的目的在于针对现有求解方法的不足，提供一种求解考虑风电的随机性和波动性、抽水蓄能的快速调节特性的求解方法，并结合串并行求解策略和多目标的转换方法，本发明能有效减少风电的弃风、火电机组的调峰耗能和运行成本，进一步提高系统的安全性、鲁棒性与节能减排能力。
本发明是通过以下的技术方案来实现：一种基于自适应协同进化算法和串并行结合的风火蓄机组组合求解方法，包括如下步骤：
（1）接收电网调度中心得出的系统未来24小时负荷需求数据，接收风电场风电出力大小的预测数据，包括预测风电出力大小和风电出力的上下限区间，接收抽水蓄能电站的相关数据，根据各个发电厂上报的机组特性数据得出各个机组的特性约束。
（2）根据第一步接收的数据对风火蓄电力系统节能减排机组组合进行建模，根据运行要求选择目标函数和约束条件，包括等式约束和不等式约束，构成混合整数非线性规划问题；
（3）根据上一步产生的混合整数非线性规划问题，得出风火蓄机组组合的节能减排多目标函数和相应约束条件。
（4）将上一步的节能减排多目标通过给各个目标赋权重，将多目标问题转化为新的单目标问题（原问题），并通过权重调节各个目标在节能减排总目标中的重要性。
（5）利用优先顺序法根据各机组最小比耗量由小到大排序，确定各时段所对应的满足机组自身约束的初始机组启停序列。初始化拉格朗日乘子和遗传算法（GA）种群，GA种群中包含利用优先顺序法生成的个体。将其作为初始种群的一部分进行进化。
（6）通过拉格朗日松弛法将原问题转化为对偶问题，再将风火蓄系统分解为风电子系统、火电子系统和抽水蓄能子系统。
（7）下层采用自适应GA求解抽水蓄能、风电和火电子系统。首先根据负荷曲线确定风电子系统的出力、抽水蓄能子系统的出力及其能提供的旋转备用，然后再将所得结果分别传递给火电子系统。上层通过优化拉格朗日乘子在各个子系统在此基础上间并行协调分配，确定其相应的启停序列。采用最优个体保留策略能保证GA每代的进化结果优于优先顺序法所得的组合结果，保证算法的有效性与收敛性，上述求解过程构成自适应协同进化算法和串并行的求解策略。
（8）在上述步骤的基础上，求解对偶目标函数值和原问题的可行解，若得不到原问题的可行解，则需要自适应的更新拉格朗日乘子，拉格朗日乘子的更新至关重要。
（9）计算节能减排下风火蓄机组组合整体目标函数值，并分析是否满足对偶间隙要求，满足对偶间隙的要求，决策者判断节能与减排的目标值是否满意，若不满意则返回第一步；
（10）将满足对偶间隙和决策者对节能减排各目标权重要求的最终结果作为电网机组调度的方案，用以调度发电机组的启停机，以提高系统整体运行的安全性和节能减排能力。
本发明的有益效果是：有效抑制了可行解的振荡现象，并且能很好的协调系统的节能与减排目标，提高了风电的利用率，弥补风电随机性、波动性的不足，能有效的提高系统的经济性、环保性和调度的灵活性。利用抽水蓄能的快速调节特性，形成抽水蓄能消峰填谷的静态作用、提供旋转备用的动态作用和环境保护的平衡，通过协调节能减排各目标的权重，达到节能减排之间的平衡，提高系统的社会综合效益。
附图说明
图1是分解-协调理论的两级递阶协调结构图；
图2是自适应协同进化算法框架图；
图3是风火蓄机组组合的综合协同作用示意图；
图4是风火蓄系统联合运行示意图；
图5是本发明的流程图；
图6是24小时风电预测输出数据图。
具体实施方式
下面详细描述本发明的实施例，所述的实施例的示例在附图中示出，其中至始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为本发明的限制。
从《京都议定书》到“巴厘岛路线图”，再到《哥本哈根协议》，都强调建设环境友好、能源可持续的绿色社会，节能减排受到全社会的广泛关注。与传统的发电调度方式相比，以节能减排为目标的发电调度强调在考虑环境保护目标的情况下尽可能实现节约能源的目标，是当前我国电力调度的发展趋势。我国煤炭消费占一次能源消费的70%左右，以煤炭为主的一次能源结构致使煤电机组在电力系统中占很大比例，其一次能源消耗巨大，燃煤发电主要产生大量SO2和CO2等污染气体，致使电力的环保压力巨大。
为减少温室气体排放，实现节能减排的发电调度是必然要求，需要建立计及减排的多目标风火蓄机组组合模型，综合考虑系统运行成本                                               、SO2和CO2减排、多个目标。
             (1)
            (2)
            (3)
需要检验的约束条件：
系统有功功率平衡约束
           (4)
式中：为抽水蓄能电站时段的功率，＝，为抽水蓄能机组的个数，为时段第个抽水蓄能机组的功率，抽水时功率为负，；发电时功率为正，，静止时功率为0；为水库时段的净水头，、分别为时段第个抽水蓄能机组的抽水引用流量（负值）与发电（正值）引用流量，、为抽水、发电效率。为风电时段的功率，为第个火电机组时段的功率，为时段系统的负荷。
系统旋转备用约束
          (4)
同样假设风力机组不提供备用，风火蓄系统所需的旋转备用由火电机组及抽水蓄能共同提供。
机组出力上下限约束
                                                                          (5)
抽水工况                         (6)
发电工况                       (7)
③ 火电机组最大最小出力约束
                             (8)
④ 火电机组爬坡约束
机组升出力时
                                                                                        (9)
机组降出力时
                              (10)
⑤ 火电机组最小开停机时间约束
                     (11)
式中：、为火电机组的最大、最小出力；为时段系统旋转备用容量；和分别为机组有功功率上升量和下降量的限值；为机组到时段连续运行(为正值)或连续停机(为负值)的时段数；、分别为机组最小运行时间与最小停机时间。
与将这三个量纲和数量级不同的目标函数标准化，形成无量纲的量，结果如下：
                         (12)
                        (13)
                        (14)
式中为一次能源消耗成本的理想值，分别为以SO2、CO2排放量最小的目标值。
将上述三个无量纲化的目标进行加权求和，得到转化后节能减排下风火蓄机组组合模型：
  (15)
                        (16)
采用自适应协同进化算法和串并行求解策略求解节能减排下风火蓄机组组合的目标，采用自适应GA求解各子系统，自适应的调整遗传算子达到子系统最优，自适应的调整拉格朗日乘子来协调各子系统与大系统。
首先引入一组拉格朗日乘子，，构成(15)式的拉格朗日增广函数：
  (17)
运用对偶定理分解式(17)，得到原对偶两层优化问题，下层火电机组的子问题优化目标如下：
           (18)
风电子系统的目标函数为：
                     (19)
抽水蓄能子系统的目标函数为：
                  (20)
上层问题为优化拉格朗日乘子，其目标函数可表示为：
         (21)
式中：为火电机组的最优解，为抽水蓄能子系统的最优解，为风电子系统的最优解。
对乘子，的次梯度分别为：
                    (22)
                 (23)
相应的次梯度的范数为：
             (24)
             (25)
拉格朗日乘子的自适应更新公式为：
               (26)
              (27)
式中为迭代次数，为步长，其值可以计算经验确定，本文采用如下公式：
                         (28)
式中和的取值依据启发式的方法确定。
1) 且:，均更新，取=0.02, =0.05。
2) 且:，均更新，取=0.005。
3) 且:只更新，取=0.02, =0.05。
实际上，，这两个乘子的更新必须朝着同一方向。在时段，当与同号(同为正号或负号)时，与按式(26)(27)同时更新(同时增大或减小)。因此当且时即系统的有功功率与旋转备用均不足时，同时增大，的值；当且时，旋转备用不足，需要更多机组满足旋转备用要求。的更新将减小旋转备用的值，此时不更新，只更新的值。的初值为基于优先顺序法的各个时刻系统有功的边际费用的一半，由于初始情况下旋转备用很难考虑，因此初值取为0。
节能减排下风火蓄机组组合的社会综合效益评价模型为：
                            (29)
式中：为电力系统节能减排下机组组合的社会综合成本，社会综合成本的节约等价为社会综合效益的增加，社会综合成本低其相应的社会综合效益就大；是环境污染的惩罚成本，环境污染的惩罚成本是企业为了等值补偿污染物造成的“污染经济损失”所付出的代价。环境污染的惩罚成本可表示为，其中为因排放污染物SO2所受的罚款，为因排放污染物CO2所受的罚款，本文选、的处罚标准均为300美元/t。
现以含有1个风电场和10台火电机组，火电机组及日负荷数据采用10机24时段的数据，以某一具有日调节性能的抽水蓄能电站为例，该抽水蓄能电站上水库最大库容对应的可发电量为500MWh，最小库容对应的可发电量为0MWh，抽水容量为150MW，发电容量为155MW。其下水库库容相对较大，发电过程中下水库水位变化很小，因此可忽略其库容约束；上下水库之间的发电水头较大，发电过程中引起的水头变化相对于总水头来说相对较小，可忽略不计。
在发电工况下抽水蓄能电站提供的旋转备用容量为其发电容量的0.4倍，火电机组及日负荷数据见附录。风火蓄机组组合日电量为27100MWh时，具体数据描述见附录。假设风电场含有并联运行的120台同型号异步风力机组，额定总有功240MW，三个优化子目标分别为=538447$，=77.27t，=136t。研究周期内预测的风电场各时段平均输出功率见图6。
风火蓄机组组合的优化结果及其效益如表1和附表1、2所示，其中多目标中各目标权重为（0.4，0.3，0.3）。
表1风火蓄机组组合的优化结果及其效益
目标F/$Es/tEc/tS/$一次能源消耗成本最小494502.22671.304146.476559836.100SO2排放量最小498695.83870.904153.177565920CO2排放量最小502058.08072.154133.144563647.500多目标496899.34571.004136.463559139.415
附表1 10机系统各机组的运行参数及污染气体排放参数
机组12345678910(MW/h)1301306060904040404040(MW/h)1301306060904040404040初始有功（MW）40040000000000a（$/h）1000970700680450370480660665670b（$/MWh）16.1917.2616.616.519.722.2627.7425.9227.2727.79c（$/MW2h）0.000480.000310.0020.002110.003980.007120.000790.004130.002220.00173最小开机时间（t）8855633111最小关机时间（t）8855633111初始状态（t）88-5-5-6-3-3-1-1-1热启动成本（$）45005000550560900170260303030冷启动成本（$）900010000110011201800340520606060冷启动时间（t）5544422000（MW）4554551301301628085555555（MW）1501502020252025101010（kg/h）198.33195.34155.15152.26152.26101.43111.87126.62134.15142.26（kg/MWh）2.062.092.142.252.113.452.625.185.385.40（kg/MW2h）0.000190.000180.00220.00220.00210.00250.00220.00420.00540.0055（kg/h）130132137.70130125110135157160137.70（kg/MWh）-2.86-2.72-2.94-2.35-2.36-2.28-2.36-1.29-1.14-2.14（kg/MW2h）0.0220.020.0440.0580.0650.080.0750.0820.090.084
附表2 10机系统负荷参数
小时负荷(MW)小时负荷(MW)170013140027501413003850151200495016105051000171000611001811007115019120081200201400913002113001014002211001114502390012150024800
需要说明的是，流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方案的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
综上所述，本发明旨在提供一种基于自适应协同进化算法和的串并行结合的调度策略来求解风火蓄机组组合问题，兼顾了系统的节能减排发电调度与风火蓄机组的实际运行要求，有效利用抽水蓄能的快速调节特性，形成抽水蓄能消峰填谷的静态作用、提供旋转备用的动态作用和环境保护作用的平衡。通过抽水蓄能与火电的协同，弥补了风电随机性和波动性的不足，降低风火蓄电力系统的运行成本和气体排放量。本发明以系统的节能减排为优化目标，将自适应协同进化算法和串并行调度策略结合，包括下列步骤：采用分解-协调思想，将风火蓄电力系统机组组合分解为上下两层优化问题，用拉格朗日松弛法将风火蓄电力系统分解为火电子系统、风电子系统和抽水蓄能子系统，上层通过自适应的拉格朗日乘子来协调各个子系统，使其满足系统约束；下层各个子系统采用自适应的遗传算法进行求解，使得各个子系统满足相应的约束条件。各个子系统求解的过程既相对独立，又通过拉格朗日乘子得到协调，是一个协同进化的过程。整个优化过程是先根据负荷曲线确定风电子系统的出力、抽水蓄能子系统的出力及其能提供的旋转备用，然后再将所得结果分别传递给火电子系统，各个火电子系统在此基础上并行协调分配，确定其相应的启停序列和最优的出力，即为串并行结合求解策略。采用本发明的方法可以有效减少风电的弃风、火电机组的调峰耗能和运行成本，进一步提高系统的安全性、鲁棒性与节能减排能力。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。